最近老板在外面吹牛說我們可以做基於工地的監控，檢測工人佩戴安全帽的情況。現在國內做圖像識別的公司基本都是頂尖的技術公司了，可以參考的案例並不多，咨詢了像海康這樣的專門做視頻的公司，銷售人員說沒有產品，可以做項目。那費用至少幾十萬上百萬了。可海康官網明明說有檢測安全帽功能的（心里暗罵一句，騙子）。找別人開發的成本太高，沒辦法只能硬着頭皮上了。好在有一個圖像處理神器opencv。只不過現在大多數的應用都是圍繞在臉部，什么人臉檢測啊，人臉識別啊。難得找到一個現成的行人檢測分類器，經過測試發現效果還可以接受。附效果圖一張。
綠框是檢測到的行人。
# -*- coding: utf-8 -*-
# 行人檢測
import cv2
from imutils.object_detection import non_max_suppression
from imutils import paths
from imutils.video import FileVideoStream
import numpy as np
import os,imutils
cap = FileVideoStream(r'E:\test-3_000130-000849.mp4').start()
hog = cv2.HOGDescriptor()
hog.setSVMDetector(cv2.HOGDescriptor_getDefaultPeopleDetector())
frame_index = 0
while True:
frame = cap.read()
frame = imutils.resize(frame, width=min(800, frame.shape[1]))
(rects, weights) = hog.detectMultiScale(frame, winStride=(8, 8), padding=(8, 8), scale=1.15)
rects = np.array([[x, y, x + w, y + h] for (x, y, w, h) in rects])
pick = non_max_suppression(rects, probs=None, overlapThresh=0.65)
for (x, y, w, h) in pick:
cv2.rectangle(frame, (x, y), (w, h), (0, 255, 0), 2)
newpath = os.path.join(r'image/capture/' , str(frame_index) + ".jpg");
cv2.imwrite(newpath,frame[y:h,x:w]);
frame_index = frame_index + 1
cv2.imshow("frame",frame)
if cv2.waitKey(1) == 27:
break
python的代碼很簡單，以上20幾行就是檢測行人的全部代碼了。
經過幾番調整參數，檢測效果還算理想。這樣就可以有做下去的希望了。在網上尋找一番沒有找到已經訓練好的用於檢測安全帽的分類器，無耐只能自己收集素材，進行訓練。收集素材真是一項苦差事。好在我有數據源，通過抓取攝像頭的視頻流，沒幾天我們就收集了幾十萬的素材，當然這里面有很多錯誤數據，需要人工的一一剔除。最終 產生了大量的這樣的素材，
這些圖片包含的特征信息過多，還不能用於訓練 。經過人工處理以后變成如下格式。
有了正樣本，訓練還需要反樣本。好在之前下載過一套行人檢測的樣本庫，可以利用里面的反樣本，拿着處理好的幾百張素材，信心滿滿的去訓練了，訓練的過程就不詳說了，網上有很多教程。我自己寫了一個工具，用於產生訓練需要的文檔信息。訓練的過程還算順利，通過這兩百多個手工處理的樣本，識別出了大概2000多張對應的數據。錯誤率在可以接收的范圍內。接下來我就掉入了第一個坑，一開始以為隨着素材庫的變大，識別的內容會越精確 。這樣我就拿200 -> 2000 -> 5000 -> 10000 ，訓練所花的時間快速增加，一開始花10幾20分鍾就可以完成，后面逐漸兩個小時，半天，一晚上。最后我拿着一萬個樣本扔到服務器上去訓練的時候，記得那天是周五的白天，心想周一肯定可以看結果了吧。結果周一上班發現竟然沒有完成。直到周二才完成。整整 花了60多個小時。可是最終識別結果並不理想。無法有效識別戴安全帽和不戴安全帽的人員，識別率過低。
經過思考以后發現可能是樣本存在的問題，那么就近一步的縮小樣本，只保留安全帽部分。接下來的效果就比較理想了，我用了1000個樣本訓練的結果，就遠超之前10000個樣本的識別率了。
雖然識別率還不是很理想，但還有很大的優化空間。至少可以證明這個思路是正確的。
雖然圖片可以實現有效的檢測，但應用到視頻流中由於單禎的處理時間過長，導致視頻無法流暢播放。最后經過大量的優化，效果還是比較理想。
鏈接：https://download.csdn.net/download/shushukui/11617089